[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: جلد 8، شماره 1 - ( 6-1393 ) ::
جلد 8 شماره 1 صفحات 19-36 برگشت به فهرست نسخه ها
تشخیص نقاط پرت در مدل رگرسیونی لیو
فروغ حاجی باقری، عبدالرحمن راسخ ، محمدرضا آخوند
چکیده:   (10130 مشاهده)
در حضور هم خطی با ناپایدار بودن برآورد کمترین توان های دوم پارامترها، انتظار می رود که باقیمانده ها هم ناپایدار باشند و در این صورت ممکن است که یک باقیمانده بزرگ از برازش کمترین توان های دوم نمایان گر یک مشاهده پرت نباشد و برعکس. در این صورت لزوم بررسی نقاط پرت هنگامی که از روش های معمول برآورد غیر از کمترین توان های دوم از جمله برآوردگر لیو استفاده می شود ضروری به نظر می رسد. در این مقاله با استفاده از روش انتقال میانگین نقاط پرت، آماره آزمون لازم برای شناسایی این نقاط به هنگام استفاده از برآوردگر لیو تعمیم داده می شود. در ادامه با استفاده از مجموعه داده ای واقعی کاربرد این روش مورد ارزیابی قرار می گیرد
واژه‌های کلیدی: برآوردگر لیو، نقاط پرت، هم‌خطی، روش انتقال میانگین نقاط پرت
متن کامل [PDF 447 kb]   (1755 دریافت)    
نوع مطالعه: كاربردي و توسعه ای | موضوع مقاله: آمار کاربردی
دریافت: ۱۳۹۲/۱۲/۳ | پذیرش: ۱۳۹۳/۳/۱۹ | انتشار: ۱۳۹۳/۳/۱۹
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA code


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Hajibagheri F, Rasekh A, Akhoond M R. Detecting Outliers in Liu Regression Model. J. of Stat. Sci.. 2014; 8 (1) :19-36
URL: http://jss.irstat.ir/article-1-275-fa.html

حاجی باقری فروغ، راسخ عبدالرحمن، آخوند محمدرضا. تشخیص نقاط پرت در مدل رگرسیونی لیو. مجله علوم آماری. 1393; 8 (1) :19-36

URL: http://jss.irstat.ir/article-1-275-fa.html



جلد 8، شماره 1 - ( 6-1393 ) برگشت به فهرست نسخه ها
مجله علوم آماری – نشریه علمی پژوهشی انجمن آمار ایران Journal of Statistical Sciences
Persian site map - English site map - Created in 0.07 seconds with 31 queries by YEKTAWEB 3728